Machine Learning Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

ML-инженер в команду Machine Learning компании Witness AI, разрабатывающей AI-безопасность. Занимается полным циклом работы с языковыми моделями: от сбора и подготовки данных до экспериментов, оценки и внедрения моделей в продакшн.

Задачи

• Строить масштабируемые пайплайны для сбора, предобработки и управления датасетами для обучения и оценки LLM
• Проектировать и проводить эксперименты по оценке LLM на точность, устойчивость, справедливость и безопасность
• Создавать дашборды, отчёты и визуализации для представления результатов оценки, трендов и случаев ошибок
• Разрабатывать и использовать графы знаний для структурирования данных, обогащения оценки и улучшения контекстно-зависимой производительности моделей
• Работать с исследователями над переносом новых идей в инженерные процессы, а с data scientists — над автоматизацией QA-проверок и guardrails
• Дообучать, оптимизировать и интегрировать модели в продакшн с фокусом на надёжность, масштабируемость, мониторинг и CI/CD
• Участвовать в развитии ML-инструментов и фреймворков для экспериментов

Требования

• 2–5+ лет опыта в machine learning или data science, желательно в security- или инфраструктурно-нагруженной среде
• Сильный бэкграунд в software engineering (Python, фреймворки тестирования pytest/unittest, CI/CD)
• Владение ML-фреймворками, например PyTorch
• Опыт с инструментами data engineering (Spark, Kafka, Airflow)
• Опыт деплоя моделей в облаках (AWS, GCP или Azure) и в контейнеризированных средах (Docker, Kubernetes)
• Хорошее знание основ ML (supervised/unsupervised learning, deep learning, NLP)
• Интерес или опыт в кибербезопасности, adversarial ML, обнаружении аномалий
• Готовность работать в быстро меняющейся, неопределённой среде с фокусом на быстрый релиз и итерации

Условия

• Full-time
• Зарплата $36,000–$60,000 в год (точная сумма зависит от локации, квалификации, опыта и навыков кандидата)

Навыки

• Python
• pytest
• unittest
• CI/CD
• PyTorch
• Spark
• Kafka
• Airflow
• AWS
• GCP
• Azure
• Docker
• Kubernetes
• NLP
• deep learning
• machine learning
• knowledge graphs